逐日出行模型研究通勤者在路网流量达到平衡态前的调整行为。一般通过构建出行经历对实际出行的影响建立基于逐日出行时间序列的流量分布。大多数研究关注逐日信息学习机制，通过结合历史经验和实时信息，构建出行者对路网理解阻抗的表达式，并在此基础上推导流量演化过程。然而，这类研究在研究对象和方法上都存在一定不足，首先在研究对象上，已有研究仅考虑了逐日出行过程中的随机性，同时在同一天内，路网也时常遭遇突发事件导致供给波动，如短时交通事故对同一天内不同时段路网供给影响较大，且造成的影响独立于既有出行经验。已有文献没有综合考虑逐日(day-to-day)和同一天(within-day)的随机性；其次在研究方法上，已有文献不考虑出发时刻选择，求解结果为一天内各路径流量分布的平均值。实际上，逐日出行过程中，出行者调整路径的同时调整每日出发时刻，路网平衡时，流量分布在各时段和各路径上收益均表现出平衡性。因此，本文结合逐日和出行日两者随机性，考虑出发时段选择，探讨路网流量在出发时段和路径上的演化规律。